金融取引の不正検知システムを構築するため、Python（scikit-learn, imbalanced-learn, XGBoostを使用）を用いたコードとプロセスを提示してください。 前提条件： - データセットは99.9%が正常取引、0.1%が不正取択という極端に不均衡な構造です。 - データはプライバシー保護のため匿名化されています。 タスク： 1. SMOTE（Synthetic Minority Over-sampling Technique）とADASYNの適用を比較し、どちらが有効か考察してください。 2. 適切な評価指標（Accuracy以外）を選択し、その理由を説明してください。 3. ランダムフォレスト、XGBoost、およびIsolation Forestのモデル構築コードを記述し、ハイパーパラメータチューニング（Optunaを使用）の実装例を示してください。 4. 結果の解釈と、誤検知（False Positive）を最小化するための閾値設定のアプローチについて論じてください。